自动关键词检索结果

Vention 和 Teradyne Robotics 深化机器人单元合作

Vention und Teradyne Robotics vertiefen Zusammenarbeit bei Roboterzellen

芝加哥,2026 年 6 月 22 日 /美通社/ — 领先的工业自动化数字平台 Vention 和泰瑞达机器人 (Teradyne Robotics) 今天宣布在 Automate 2026 上开展战略合作,以进一步加速模块化自动化解决方案的实施。虽然许多自动化解决方案继续由单独的支持...继续阅读 →

Locus Robotics 帮助 HelloFresh 将不断增长的品牌组合中的温控 SKU 容量扩大 5 倍

Locus Robotics Helps HelloFresh Expand Temperature-Controlled SKU Capacity 5X Across Growing Brand Portfolio

定制 Locus Origin 部署支持冷藏操作、扩大 SKU 品种以及 HelloFresh 品牌的持续自动化增长

新的全球规则为无人驾驶汽车扫清道路

New global rules clear the road for driverless vehicles

联合国车辆标准论坛批准了首个针对全自动驾驶系统 (ADS) 的全球法规,标志着自动驾驶车辆的安全部署迈出了重要一步。在 globalissues.org 上阅读全文“新的全球规则为无人驾驶汽车扫清道路” →

自主飞机调至 CTAF

Autonomous Aircraft Tune In To CTAF

佐治亚理工学院的研究人员正在教授自动驾驶飞机在无塔台机场解读 CTAF 无线电呼叫。

Leonardo、Baykar 宣传通过 M-346 喷气教练机对克孜勒玛无人机进行飞行控制

Leonardo, Baykar tout in-flight control of Kizilelma drone from a M-346 jet trainer

在自动出租车和起飞后,Kizilelma 使用“先进的射频数据交换系统”自动连接到 M-346。

模拟与数字信号噪声

Analog vs Digital Signal Sifference

模拟与数字信号差异 在现代工业和海洋工程系统中,信号是传感器、控制器、监控设备和自动化系统之间通信的基础。无论是测量温度、压力、储罐液位还是机械状态,信号都携带关键信息,使操作员和控制系统能够做出明智的决策。信号通常分为两种[...]模拟信号与数字信号Sifference首先出现在Merchant Navy Decoded上。

Unistellar Odyssey Pro 帮助我感受了与宇宙的联系,现在有 15% 的折扣

The Unistellar Odyssey Pro helped me feel in touch with the universe and it's now 15% off

Odyssey Pro 提供的首选跟踪和清晰的自动对焦功能使我能够开始拍摄深空的清晰图像。现在可以从 Unistellar 购买,享受 15% 的折扣。

ChatGPT 不是你的朋友。 Signal 负责人解释了为什么不应允许神经网络进入个人聊天

ChatGPT вам не друг. Глава Signal объясняет, почему нельзя пускать нейросети в личные чаты

家庭自动化很容易变成隐私问题。

为 AI 代理构建按智能付费:Ampersend 如何使用 Amazon Bedrock AgentCore Payments

Building pay-per-intelligence for AI agents: How Ampersend uses Amazon Bedrock AgentCore Payments

在本文中,您将了解 Ampersend 如何在 Amazon Bedrock AgentCore Payments 之上构建按智能付费的路由层。人工智能代理自动将任务路由到最有效的模型,按请求付费,并在支出预算内运行。您还将了解两跳支付模式如何端到端工作以及如何开始您自己的实施。

InOrbit.AI 在 Automate 2026 上展示多供应商机器人编排和物理 AI 的未来

InOrbit.AI Demonstrates the Future of Multi-Vendor Robot Orchestration and Physical AI at Automate 2026

InOrbit.AI 在 Automate 2026 上精心策划了突破性的多供应商机器人演示,体验有感知力的企业的未来。了解无缝互操作性和物理 AI 如何将自动化孤岛转变为统一、有弹性的运营生态系统。

无教学机器人焊接:如何在没有逐点教学的情况下焊接大批量、小批量零件

Teach-Less Robot Welding: How to Weld Large, Small-Batch Parts Without Point-by-Point Teaching

无教学机器人焊接:无需逐点教学即可焊接大型、小批量结构零件 作者:EVST 高级应用工程师梁伟 — 机器人焊接单元和大型结构自动化。最后更新:2026 年 6 月 22 日。首先回答:大、小批量结构零件很难用机器人焊接,因为焊工必须为每个新工件逐点示教路径 […]无示教机器人焊接:如何在没有逐点示教的情况下焊接大、小批量零件首次出现在 EVST。

自治陷阱:隐私与便利

The Autonomy Trap: Privacy versus Convenience

2026 年 5 月 13 日发布 Taaza Khabar News “历史上第一次,隐私不仅面临风险,而且可能被彻底消除。”尤瓦尔·诺亚·赫拉利(Yuval Noah Harari)到2026年底,社会将进入以智能技术为特征的时代,人类决策与计算机自动化交织在一起。本期继续阅读《自治陷阱:隐私与便利》

当工人输给人工智能时

When Workers Lose to AI

美国政府如何减轻自动化的打击。

茹科夫斯基国际机场成为首批在停机坪上测试无人货运平台的地点之一

Международный аэропорт Жуковский стал одной из первых площадок для тестирования беспилотной грузовой платформы на перроне

用于自动化地面物流的通用无人货运平台已在茹科夫斯基国际机场完成了为期三个月的测试。该项目由俄罗斯自主运输开发商“EvoCargo”茹科夫斯基机场实施,并得到了机场控股公司“Aerodynamics”专家的咨询支持,该公司也在积极实施现代技术领域的项目。

Wingsby 案例:“使用机器视觉从矿石输送机中机器人提取异物”

Кейс компании Вингзби: «Роботизированное извлечение инородных объектов из конвейерного рудопотока с помощью машинного зрения»

在本材料中,我们讨论位于叶卡捷琳堡的 Wingsby 公司 (WINGSBEE) 的项目,该项目专门生产光学分离器。我们与其专家进行了交谈,并了解了所开发解决方案的所有细节。 Wingsby 是 AKSALIT 公司集团的一部分。该公司自 2019 年以来一直生产光学分离器,包括为采矿和其他企业制造机器人和自动化系统,以对传送带上的异物进行分类、提取和清除。

“Metalworking-2026”中的“Semargl”:俄罗斯机器人对抗人为因素

«Семаргл» на «Металлообработке-2026»: российские роботы против человеческого фактора

2026年5月中旬,第26届国际金属加工展览会在莫斯科举行。该业务计划的主要参展商之一是俄罗斯生产和工程公司 Semargl(圣彼得堡),该公司展示了生产内部物流自动化的全套解决方案 - 从紧凑型移动机器人到 35 吨平台和灵活的生产系统。

Innopolis 大学在 SPIEF-2026 上展示工厂货物机器人分拣和堆垛解决方案

Университет Иннополис представил на ПМЭФ-2026 решения для роботизированной сортировки и укладки товаров на производствах

在第二十九届圣彼得堡国际经济论坛鞑靼斯坦展台上,俄罗斯IT大学展示了用于码垛自动化的RTK原型和具有智能零件分拣功能的机器人。该解决方案将帮助工业企业提高产品加工的速度和精度,减少因连续作业和快速换线而造成的停机时间,以及替代危险、单调和加班作业中的体力劳动,降低员工受伤的风险。这些项目由 Innopolis 大学工业机器人开发中心的专家于 2026 年为工业客户开发。

Shadow AI:BI.ZONE 研究了网络犯罪分子最感兴趣的人工智能功能

Теневой ИИ: BI.ZONE изучила, какие возможности искусственного интеллекта наиболее интересны киберпреступникам

攻击者最积极地讨论绕过公共模型固有的限制。然而,网络攻击的完全自动化仍然是不可能的。